在過去幾十年中，隨著各類大型系統性能的日益提高以及復雜性和集成度的急劇增加，使得重要裝備的維修保障費用也急劇增加，傳統模式下帶來的巨大財力、物力和人力的耗費讓相關企業愈加難以負擔。通過近十年來，以機器學習為代表的人工智能技術發展迅猛，在學術界和產業界都發揮著巨大的實用價值，正在成為故障預測與健康管理技術對重要突破口，該技術是對傳統方式的改進與完善，極大降低企業負擔。

?

力維智聯?Sentosa數據科學與機器學習平臺，通過對關鍵設備在復雜系統環境下的海量歷史數據進行數據挖掘和機器學習訓練，預測設備未來健康狀態。

?

具體而言，針對設備自主健康管理引入Sentosa數據科學與機器學習平臺主要通過業界主流先進的圖形化“拖拉拽”提供端到端數據分析與建模能力，通過平臺內數據預處理算法、自動特征工程算法、主流機器學習與深度學習算法、模型自動訓練方法，最終實現面向設備的多算法聯合診斷與智能診斷模型開發。再將算法模型從平臺中導出并集成到設備現有的管理系統中，進行狀態參數準確預測及故障的準確預測，形成智能化的設備自主健康管理。